Session 13 · Daten-Detektiv
AnwenderExcel + KI⏱️ 15 Minuten🧪 Mit Beispieldaten

Aus Daten werden bessere Fragen.

Ein Freizeitpark erhält 1.000 Rückmeldungen zu seinen Restaurants. Diese Session zeigt dir, wie KI Daten bereinigt, ähnliche Aussagen clustert, Muster sichtbar macht und bessere Fragen für QM, Service und 8D-Denken vorbereitet.

Excel-Datensatz herunterladen ↓

Von 1.000 Kommentaren zu 3 Hypothesen.

Mittagsansturm
lange Wartezeit
kalte Speisen
Beschwerden

Nicht die KI entscheidet. Sie macht sichtbar, wo du genauer hinschauen solltest.

Wichtig: Diese Session ist eine Lernübung. Die Daten sind realistisch konstruiert, aber anonym und fiktiv. Ziel ist nicht eine perfekte Statistik, sondern ein nachvollziehbarer Denkweg: Daten → Muster → Hypothesen → bessere Fragen.
Download

Arbeite mit dem Datensatz mit.

Die Excel-Datei enthält bewusst uneinheitliche Kommentare, versteckte Muster, Stoßzeiten und mehrere Restaurants. Genau dadurch wird die Übung realistisch.

freizeitpark_feedback.xlsx

Enthält 1.000 Gästerückmeldungen aus sechs Restaurants eines Freizeitparks: Datum, Uhrzeit, Restaurant, Besucheraufkommen, Wartezeit, Produkt, Bewertung, Kommentar und Temperatur.

Beispieldaten laden
Lernweg

Der Weg von Datenchaos zu Hypothese.

01Daten ansehen

Was steht in der Tabelle? Welche Spalten helfen wirklich?

02Bereinigen

„Burger kalt“, „Essen kalt“ und „kalte Pommes“ werden zu einem Thema.

03Clustern

Ähnliche Aussagen werden zu Beschwerdegruppen zusammengefasst.

04Fragen stellen

Aus Mustern entstehen konkrete Fragen für QM, Service oder 8D.

Interaktiv

Schalte die Analyse Schritt für Schritt frei.

Die Demo zeigt den Denkweg. Lade den Datensatz herunter und wiederhole die Schritte in ChatGPT, Claude, Excel oder Power BI.

Was sieht man zuerst?

💡 Einfach gesagt: 80 % der Beschwerden kommen oft von 20 % der Ursachen. Deshalb konzentrieren wir uns zuerst auf die größten Beschwerdegründe.
Vorher1.000Kommentare
Nach Bereinigung12Themencluster
Fokus2Problemfelder
Vorher / Nachher

Nicht mehr „Warum sind Gäste unzufrieden?“

Vorher

  • 1.000 einzelne Kommentare
  • viele unterschiedliche Formulierungen
  • unklare Hauptursache
  • zu breite Frage: „Was ist los?“

Nachher

  • 12 klare Themencluster
  • Pareto zeigt die größten Hebel
  • Stoßzeit wird sichtbar
  • bessere Frage: „Warum treten kalte Speisen mittags in der Burger Station auf?“
Hypothese

Ein mögliches Ursachenbild.

Das ist noch keine bewiesene Ursache. Es ist eine gute Richtung für die nächste Untersuchung.

Mittagsansturm
→
lange Wartezeit
→
kalte Speisen
→
Beschwerden
KI anwenden

Prompt für deine eigene Analyse.

Nutze diesen Prompt mit der Excel-Datei. Er ist bewusst auf Hypothesen und 8D-Fragen ausgelegt.

Prompt kopieren

Ich habe eine Excel-Datei mit Kundenrückmeldungen aus einem Freizeitpark-Restaurantbereich. Bitte analysiere die Daten Schritt für Schritt, ohne vorschnell Ursachen zu behaupten. 1. Prüfe zuerst die Datenqualität: fehlende Werte, Schreibweisen, Ausreißer und unklare Kommentare. 2. Gruppiere ähnliche Kommentare zu sinnvollen Beschwerdeclustern. 3. Erstelle eine Pareto-Auswertung der wichtigsten Beschwerdegründe. 4. Prüfe Muster nach Restaurant, Uhrzeit, Besucheraufkommen, Wartezeit, Produkt und Bewertung. 5. Formuliere Hypothesen, aber unterscheide klar zwischen Korrelation und Ursache. 6. Leite konkrete Fragen für einen 8D-Report oder eine Ursachenanalyse ab. 7. Schreibe am Ende eine kurze Management Summary mit den wichtigsten Erkenntnissen und nächsten Prüfschritten.
Merke

Die wichtigste Erkenntnis.

KI löst keine Probleme. KI hilft, bessere Fragen zu stellen.

Aus Daten entsteht keine Wahrheit. Aber gute Datenanalyse macht Auffälligkeiten sichtbar. Genau dort beginnt professionelle Problemlösung.

KI-Kompass öffnen →

🎉 Session 13 abschließen

Übertrage diese Session in deinen KI-Kompass. Sie zahlt auf die Fähigkeit Datenanalyse ein.

Als Nächstes
Zum KI-Kompass

Sieh dir an, wie Datenanalyse deinen Lernpfad erweitert – und welche Fähigkeit als Nächstes sinnvoll ist.

KI-Kompass öffnen →